倉面大粒徑堆石的圖像處理與粒徑識別

劉 易 付立群 徐小蓉 郭欣晟 金 峰

(1.長春工程學(xué)院 水利與環(huán)境工程學(xué)院，長春 130012；2. 清華大學(xué) 水沙科學(xué)與水利水電工程國家重點(diǎn)實(shí)驗(yàn)室， 北京 100084； 3. 華北電力大學(xué) 水利與水電工程學(xué)院， 北京 102206)

堆石混凝土新型筑壩技術(shù)采用高性能自密實(shí)混凝土(HSCC)自流填充堆石體空隙[1-3]，其中大粒徑石料骨架構(gòu)成了堆石體．文獻(xiàn)[4]規(guī)定了最小堆石粒徑宜不小于300 mm，采用150～300 mm的堆石時需要進(jìn)行論證，且小于200 mm的遜徑石塊體積占比不宜超過2%．這一施工準(zhǔn)則對工程而言相對簡單且保守，安全裕度偏大，主要是為避免小粒徑堆石堵塞堆石間窄小孔喉．然而，適當(dāng)采用一定比例的小粒徑堆石，合理安排堆石粒徑級配，可以有效提高堆石率，降低施工成本．因此，亟需發(fā)展更精細(xì)化的堆石質(zhì)量評價和控制方法．

堆石粒徑分布是影響堆石混凝土密實(shí)性的重要因素之一，研究二者之間的關(guān)系需要依托真實(shí)的堆石粒徑分布數(shù)據(jù)庫[5]．鑒于實(shí)驗(yàn)室場地空間大小、搬運(yùn)成本等限制因素，大量來自工程現(xiàn)場的堆石入倉圖片仍是主要數(shù)據(jù)來源．堆石料為當(dāng)?shù)刂尾牧?，由于石塊的數(shù)量與重量龐大，難以手動測量或篩分．在施工質(zhì)量監(jiān)督中，常用方法是人工目測法，僅靠施工人員的宏觀經(jīng)驗(yàn)判斷，可靠性較差[5]．因此每個澆筑倉的堆石粒徑分布在施工現(xiàn)場較難獲取，部分工程在備料場設(shè)置鋼篩或鋼筋籠[6]，自動篩除小于300 mm的遜徑石塊，但只能保證堆石的最小粒徑要求，并不能得到堆石的粒徑分布．

隨著圖像識別技術(shù)的發(fā)展，批量化、非接觸式快速測量堆石粒徑參數(shù)成為可能，傳統(tǒng)的算法包括分水嶺算法[7]、區(qū)域生長算法[8]、邊緣檢測算法[9]等，被廣泛運(yùn)用于顆粒物的邊界提取和識別；近年來深度學(xué)習(xí)算法[10]，如人工神經(jīng)網(wǎng)絡(luò)分析法[11]也被用于顆粒檢測．沈喬楠等[5]采用基于種子點(diǎn)搜索的分水嶺算法，分割堆石塊體間的粘連區(qū)域，將石塊的內(nèi)切圓直徑作為等效粒徑提取出來，統(tǒng)計得到粒徑區(qū)間分布作為堆石質(zhì)量評價等級．該方法尚屬摸索階段，不能實(shí)現(xiàn)批量圖片處理．黃科翰等[12]基于BASEGRAIN軟件開展了河床卵石粒徑的自動識別應(yīng)用研究，認(rèn)為第一灰度閾值對識別結(jié)果起控制作用．該方法多適用于質(zhì)地均勻、邊緣規(guī)則的橢圓形卵石．

堆石混凝土中的堆石體，屬于三維立體特征明顯、區(qū)域質(zhì)地不均勻的大石料集合體，在BASEGRAIN軟件中容易被過分割成多個石塊．通過降低圖片像素或遠(yuǎn)距離拍攝堆石照片，可弱化石塊的質(zhì)地不均勻性，但該方法容易產(chǎn)生清晰度過低以至于人眼都無法區(qū)分重疊石塊的問題．此外，采用常規(guī)的分水嶺算法或邊緣檢測算法等圖像識別技術(shù)，對堆石粒徑的識別存在過分割或欠分割的問題，計算結(jié)果的準(zhǔn)確性欠佳．本文旨在解決堆石粒徑圖像識別的準(zhǔn)確性問題，提出了量化堆石粒徑的一種新識別方法，即基于圖像識別和人機(jī)交互的堆石粒徑分布判別方法[13-14]．通過實(shí)現(xiàn)堆石粒徑的可視化自動識別，提供更精確的堆石粒徑級配曲線數(shù)據(jù)，為堆石混凝土的質(zhì)量控制、檢測與評價奠定基礎(chǔ)，進(jìn)而為施工規(guī)范的修訂提供參考．

1 堆石圖像識別方法

圖像灰度值預(yù)處理對非均質(zhì)的堆石圖像識別結(jié)果有很大的幫助．RockGUI軟件中，通過圖像灰度化將彩色RGB圖像壓縮為灰度圖像，再采用基于空域的直方圖均衡算法和中值濾波算法的圖像增強(qiáng)技術(shù)，完成圖像預(yù)處理．

圖像閾值分割算法是在灰度圖像的基礎(chǔ)上進(jìn)行閾值分割，從而粗略地提取每個堆石的空間坐標(biāo)位置，并能通過占有像素面積判斷堆石的空間分布情況．根據(jù)圖像的曝光均勻程度，采用兩種不同的閾值分割方法[16]：李氏最小交叉熵分割方法和自適應(yīng)閾值法．

本文結(jié)合圖像梯度改進(jìn)了傳統(tǒng)的分水嶺分割算法，針對三維復(fù)雜堆石體的圖像特點(diǎn)，如區(qū)域質(zhì)地不均勻、多石塊重疊遮擋等問題，在傳統(tǒng)圖像分割處理算法的基礎(chǔ)上，提出了將閾值分割與分水嶺分割相結(jié)合的算法，使用閾值分割的結(jié)果來限制分水嶺注水點(diǎn)的個數(shù)后，有效減少了傳統(tǒng)分水嶺算法由于種子點(diǎn)過多而帶來的過分割現(xiàn)象[17]，得到了較為理想的圖像分割結(jié)果．在開發(fā)的RockGUI堆石粒徑圖像識別軟件中，將分水嶺算法的閾值分割結(jié)果可視化展示，為后續(xù)人機(jī)交互提供用戶操作界面．

2 人機(jī)交互模式

2.1 圖形用戶界面與輸入?yún)?shù)

將第1節(jié)圖像識別算法集成到堆石粒徑圖像識別軟件中，并通過圖形用戶界面GUI(graphical user interface)的形式呈現(xiàn)給工程用戶，如圖1所示．軟件的開發(fā)語言為Python，圖像處理主要由Scikit-image庫完成，圖形用戶界面的搭建由PyQt5庫完成．

圖1 圖形用戶界面(初始分割結(jié)果)

在GUI用戶界面中，輸入相應(yīng)參數(shù)可以調(diào)整圖像識別效果，其中可調(diào)節(jié)的參數(shù)共有5個，分為4類．第1類為圖片去噪的相關(guān)參數(shù)，即“噪聲過濾核半徑α1”，默認(rèn)值為7，通常在5～15的范圍內(nèi)，該值越小則圖片分割結(jié)果碎片越多，可能導(dǎo)致過分割，反之該值越大可能會導(dǎo)致欠分割情況；第2類參數(shù)為閾值選取方法，通常軟件默認(rèn)為“全局閾值選取”法，若勾選“局部閾值選取”時，其中“局部閾值分割核半徑β2”與“偏移量s”變?yōu)檩斎腠?xiàng)，閾值分割法的偏移量會導(dǎo)致圖片分割結(jié)果的較大差異，參與圖像分割計算；第3類參數(shù)為“形態(tài)學(xué)侵蝕迭代次數(shù)n”；第4類參數(shù)為梯度運(yùn)算的相關(guān)參數(shù)，即“梯度運(yùn)算核半徑γ3”，其中核半徑值越大，導(dǎo)致的圖片分割碎片越多．不同參數(shù)圖像識別得到的結(jié)果有所差異，需根據(jù)堆石圖像實(shí)際情況來調(diào)整．

2.2 人機(jī)交互修正流程

如圖2所示，在GUI應(yīng)用中輸入原始圖像2(a)，經(jīng)過內(nèi)置的圖像預(yù)處理與分割算法，得到的初步識別結(jié)果為圖2(b)．為了解決過分割或欠分割等問題，在軟件基礎(chǔ)上增加了人機(jī)交互修正功能，主要包括三大類操作：過分割區(qū)域合并、欠分割區(qū)域再分割和刪除噪聲背景．圖2(c)為合并過分割區(qū)域，支持點(diǎn)擊兩個或多個過分割區(qū)域，合并為同一區(qū)域，如將同一塊堆石的不同陰影面合并．圖2(d)為再分割欠分割區(qū)域，選擇“分割面”用鼠標(biāo)軌跡作為分界線，線兩側(cè)劃分成兩個獨(dú)立區(qū)域，通過“再分割”可將粘連或互相遮擋的堆石分離成兩個獨(dú)立塊石．圖2(e)為刪除背景區(qū)域，可標(biāo)記圖片邊緣的不完整堆石，綠色圓點(diǎn)標(biāo)記為背景區(qū)域，被標(biāo)記的不完整堆石不參與堆石區(qū)域的粒徑計算．單擊“工具”菜單欄中的“塊體對應(yīng)”，可選擇實(shí)際為同一塊體的兩個或多個區(qū)域，將其標(biāo)注為同一塊體．堆石外接圓擬合結(jié)果如圖2(f)所示．

圖2 人機(jī)交互修正流程

RockGUI軟件中采用的人機(jī)交互算法均為偽代碼，屬于較為成熟的圖像修正算法．本研究首次將人機(jī)交互算法應(yīng)用到堆石混凝土工程中，借助了人眼判斷能快速判別重疊堆石體的有效性，將其用于復(fù)雜三維堆石體的粒徑識別計算，大大提高了圖像識別的準(zhǔn)確性．

3 大塊堆石粒徑計算

3.1 參照物選擇及拍攝誤差計算

參照物是計算堆石粒徑的重要參考，按相同的比例尺對像素值進(jìn)行換算．因此，拍攝的堆石照片中需包含已知尺寸的參照物，如安全帽、標(biāo)桿、圓圈環(huán)等．本文選取固定長度為1 000 mm的測量標(biāo)桿和直徑為400 mm的鐵絲圈作為參照物，拍攝倉面堆石照片時盡量以俯視水平視角，避免傾斜視角的尺寸畸變．

照片拍攝角度難免產(chǎn)生部分傾角，會不可避免產(chǎn)生畸變，現(xiàn)有的堆石照片主要為現(xiàn)場工程師手持手機(jī)相機(jī)俯視拍攝，拍攝高度為1.2 m到1.5 m之間，相機(jī)焦距和物距主要影響拍攝時產(chǎn)生的畸變大?。?/p>

如圖3所示，默認(rèn)參照物在F點(diǎn)正中位置，當(dāng)相機(jī)傾斜時，相機(jī)中線與豎直線角度為α，由于在圖像識別時將其認(rèn)為是俯視拍攝，實(shí)際的BC會被當(dāng)做DE進(jìn)行處理．計算在兩端兩個微小角度上的BI，KC的識別誤差可以計算畸變大?。?/p>

圖3 相機(jī)傾斜產(chǎn)生畸度示意圖

設(shè)AF=1，則AG=cosα．由于∠BAI與∠KAC極小，設(shè)兩個點(diǎn)的畸變?yōu)閙和n，可以計算得到：

(1)

(2)

當(dāng)α<12°時，m<1.1，n>0.85，畸變最大的區(qū)域變化率小于15%．可以認(rèn)為傾角小于12°時，畸變對識別結(jié)果的影響在可接受范圍內(nèi)．另外在傾斜時，參照物的位置也會對識別結(jié)果造成影響，應(yīng)盡量保持參照物水平．經(jīng)測算，圓環(huán)參照物的畸變影響會比標(biāo)桿參照物的影響?。?/p>

3.2 堆石粒徑的定義與計算

堆石最小外接圓直徑的計算方法為：首先遍歷整個點(diǎn)集S，獲取位于最左、最右、最上、最下的點(diǎn)坐標(biāo)(xi，yi)，將這4個點(diǎn)所在的集合設(shè)為P，剩余的點(diǎn)集設(shè)為Q，即S=P+Q．采用下列公式求包圍點(diǎn)集P的最小外接圓C的圓心(xc，yc)和半徑：

(3)

同時，遍歷點(diǎn)集Q檢查是否有點(diǎn)在圓C外，若所有點(diǎn)都在該圓內(nèi)，則O1為最優(yōu)解；若存在點(diǎn)位于圓C外，此時將Q中距離圓心O1最遠(yuǎn)的點(diǎn)移動至P中，遍歷點(diǎn)集{P}的任意四點(diǎn)組合，重復(fù)上述計算求出點(diǎn)集P中的最小外接圓，直至最優(yōu)解．

4 工程應(yīng)用

4.1 工程概況

貴州省風(fēng)光水庫位于正安縣格林鎮(zhèn)風(fēng)光村境內(nèi)，大壩為C9015一級配堆石混凝土雙曲拱壩，壩頂高程691.0 m，最大壩高48.5 m，壩頂寬5.0 m．為加快施工進(jìn)度、簡化壩體構(gòu)造與施工，該工程采用了不分橫縫、整體澆筑的堆石混凝土拱壩型式[18](如圖4(a)所示)，于2020年4月中旬開始首倉堆石混凝土澆筑，至2021年8月底完成壩體澆筑．

圖4 風(fēng)光水庫位置、型式及倉面采樣點(diǎn)示意圖

4.2 典型倉堆石照片取樣

基于上述研究，2020年11月開展風(fēng)光水庫的現(xiàn)場試驗(yàn)，選擇正在施工的單元工程(高程677.7～679.0 m，已澆筑壩高32.5 m)作為典型倉．遵循隨機(jī)取樣、均勻分布的原則，先后在靠近右壩肩壩段取35個點(diǎn)位進(jìn)行堆石照片取樣，采樣點(diǎn)位置如圖4(b)所示，圖中黃色和紅色點(diǎn)位分別為以400 mm鐵絲圈、1 000 mm標(biāo)桿作為參照物．

4.3 堆石粒徑識別

針對風(fēng)光水庫典型倉面，在不同取樣點(diǎn)獲取俯視照片，不同照片間保證堆石不重復(fù)．采用研發(fā)的堆石粒徑識別RockGUI軟件，對堆石照片進(jìn)行圖像處理與粒徑計算．同時，為了驗(yàn)證識別結(jié)果的準(zhǔn)確性，使用可視化的圖像標(biāo)定工具LabelImg，采用人工識別的方法對圖片中的顆粒手動標(biāo)注，提取堆石顆粒的長軸和短軸直徑信息．圖5為比例尺為1 m標(biāo)桿時其中一組堆石照片的識別結(jié)果．圖5(a)為RockGUI軟件的堆石粒徑識別結(jié)果，紅色圓圈表征石塊的最大外接圓；圖5(b)為對應(yīng)的人工標(biāo)注結(jié)果，其中紅色粗線段代表堆石外接多邊形的長軸a，即堆石邊緣距離最遠(yuǎn)的兩點(diǎn)之間的線段，短軸b為其長軸的垂線．理論上，堆石的最大外接圓直徑D略大于堆石的長軸尺寸且非常接近，雖然通過二維圖像識別出的粒徑為堆石的“可視粒徑”，但仍可將人工標(biāo)注的長軸結(jié)果近似看作堆石粒徑的真值，用于判斷本文研發(fā)的圖像處理技術(shù)的準(zhǔn)確性．

圖5 堆石圖像識別與人工標(biāo)注效果圖

經(jīng)過RockGUI軟件的初步圖像識別，并利用人機(jī)交互功能剔除識別異常值，如圖片邊緣堆石不完整的粒徑值，最終得到1 607塊堆石．相應(yīng)地，通過人工標(biāo)注進(jìn)行圖片處理，共提取出2 387個堆石．由于圖像處理得到的堆石粒徑均為二維的“可視粒徑”，若繪制粒徑級配曲線需轉(zhuǎn)化為累積質(zhì)量分?jǐn)?shù)．假定堆石密度均質(zhì)相同，分別采用D3和ab2估算RockGUI圖像識別和人工標(biāo)注的堆石體積，繪制出的粒徑級配曲線(不超過某粒徑的堆石質(zhì)量占比)如圖6所示，其中分別以外接圓直徑D和人工標(biāo)注長軸a為橫坐標(biāo)，塊石粒徑以毫米為單位．

圖6 RockGUI圖像識別和人工標(biāo)注結(jié)果對比(質(zhì)量占比)

由圖6可看出，圖像識別的外接圓直徑與人工標(biāo)注的外接多邊形長軸結(jié)果非常接近，堆石粒徑級配曲線趨勢基本相同．實(shí)測粒徑結(jié)果略小于RockGUI識別結(jié)果，尤其是小于1 m的塊石識別結(jié)果；兩種方法均識別出了少量大于1.5 m的大塊堆石；粒徑小于300 mm的堆石質(zhì)量占比非常小，小于5%．

4.4 堆石質(zhì)量評價等級

根據(jù)文獻(xiàn)[4]，規(guī)定堆石的最小粒徑不宜小于300 mm，宜為300～1 000 mm范圍，當(dāng)采用粒徑為150～300 mm的堆石時應(yīng)進(jìn)行論證．堆石的最大粒徑不應(yīng)超過結(jié)構(gòu)斷面最小邊長的1/4，也不宜大于澆筑層厚，風(fēng)光水庫本倉的澆筑層厚為1.3 m．

針對風(fēng)光水庫的堆石粒徑識別結(jié)果，通過統(tǒng)計粒徑區(qū)間分布數(shù)據(jù)可知，RockGUI軟件圖像處理結(jié)果中粒徑小于300 mm的堆石塊數(shù)占比為17.45%，質(zhì)量占比為1.39%；相應(yīng)地，人工標(biāo)注的結(jié)果中粒徑小于300 mm的堆石塊數(shù)占比為25.53%，質(zhì)量占比為2.44%，因此該試驗(yàn)倉遜徑堆石料的占比符合質(zhì)量要求(<5%)．此外，兩種方法算出的堆石粒徑在300～1 300 mm之間的質(zhì)量占比分別為81.71%和81.76%，占堆石料源的主體．

而關(guān)于大塊堆石，RockGUI共識別出17塊大于倉面厚度1 300 mm的堆石，人工標(biāo)注識別出12塊，二者的大石頭塊數(shù)占比分別為1.06%和0.50%(如圖7所示)．然而由于大塊石體積大，質(zhì)量占比影響非常大，能達(dá)到倉面堆石體總質(zhì)量的16.9%和15.8%．通常在實(shí)際施工過程中，倉面靠近上下游面會首先堆積大塊石頭作為穩(wěn)固外圍，雖質(zhì)量大但有利于堆石骨架的形成和提高壩體強(qiáng)度，也能節(jié)省混凝土用量，因此在堆石質(zhì)量評價時可不特意約束大體積堆石的質(zhì)量占比，而建議適當(dāng)改為大體積堆石塊數(shù)占比不小于5%．

圖7 RockGUI和人工標(biāo)注結(jié)果對比(塊數(shù)占比)

根據(jù)多個堆石混凝土工程的施工經(jīng)驗(yàn)，制定堆石質(zhì)量評價等級見表1．Ⅰ類和Ⅱ類堆石是小粒徑堆石占比過多，澆筑混凝土?xí)r容易發(fā)生堵塞；Ⅲ類堆石是粒徑超過澆筑層厚(如1 300 mm)的大粒徑堆石塊數(shù)占比，超過了5%；Ⅳ類和Ⅴ類堆石在300～1 300 mm標(biāo)準(zhǔn)范圍內(nèi)的堆石占比，分別超過80%和90%．結(jié)合上述圖像識別和堆石粒徑計算結(jié)果，風(fēng)光水庫該倉的堆石質(zhì)量等級為Ⅳ類，倉面堆石體質(zhì)量整體較好．

表1 堆石倉面塊石粒徑區(qū)間分布質(zhì)量評價等級(單位：%)

5 結(jié)果誤差分析

5.1 堆石識別數(shù)量

通過RockGUI軟件識別和人工標(biāo)注識別兩種方法得到的堆石數(shù)量存在差異，前者得到的塊石數(shù)量比人工標(biāo)注的數(shù)量少約700塊．對比圖像識別結(jié)果發(fā)現(xiàn)，由于RockGUI軟件忽略了照片邊緣不完整的塊石，每張照片中有5～10塊邊緣不完整石頭，這同時也降低了堆石粒徑識別的誤差，使得粒徑級配曲線S線型趨勢更光滑．同時，該軟件中被遮擋嚴(yán)重的小塊石識別數(shù)量也減少，對于圖像閾值分割不顯著的塊石自動忽略，也是造成識別出的堆石數(shù)量偏少的原因之一．

5.2 堆石粒徑誤差

為進(jìn)一步分析不同粒徑堆石的識別精度，將RockGUI軟件圖像得到的堆石粒徑記作b′，將人工使用LabelImg以多邊形圈定塊石測量得到的塊石長軸值為b，選取典型取樣點(diǎn)位5號和6號的堆石粒徑繪制圖8，比較兩者粒徑之間的誤差分布．由圖8可知，粒徑b′和b的相對誤差一般小于20%，大部分集中在誤差10%左右，如圖8(a)所示，表明RockGUI圖像識別結(jié)果總體的可靠性．比值b′/b的離散性較強(qiáng)，如圖8(b)所示，范圍在0.7～1.3之間，且隨著b增大有減小的趨勢，70%左右的數(shù)據(jù)分布在1.0兩側(cè)，主要在0.9～1.1之間變化．如圖8(c)所示，相對頻率也是滿足隨著b增大有減小的趨勢，不滿足正態(tài)分布．表明RockGUI的計算結(jié)果總體與實(shí)測值相符，且明顯偏離的情況比較少．粒徑較小塊石的偏離較大，是因?yàn)榇髩K石的遮擋作用以及大塊石陽光下陰影的遮蔽，使小塊石的邊界難以準(zhǔn)確分割識別．大塊石的識別效果較好，一方面是因?yàn)樵O(shè)置參數(shù)時以大塊石作為標(biāo)定樣本，另一方面是因?yàn)榇髩K石在照片中占據(jù)更多像素位置，邊界較明確．

圖8 5、6號采樣點(diǎn)計算粒徑b′與實(shí)測特征粒徑b對比

5.3 堆石特征粒徑

圖9 6組采樣點(diǎn)計算與實(shí)測特征粒徑對比

由圖9可看出，RockGUI軟件圖像處理與實(shí)測的粒徑結(jié)果符合良好，相對誤差在全級配范圍內(nèi)均小于20%，大部分特征粒徑的誤差在10%以內(nèi)．采用這兩種方法得到的特征粒徑值差異存在整體性偏移，即RockGUI軟件圖像處理到的粒徑值普遍略大于實(shí)測粒徑結(jié)果，這與RockGUI軟件采用堆石的外接圓直徑略大于堆石長軸的理論一致．在塊石實(shí)際粒徑分布處于D35到D65的部分，堆石圖像識別的特征粒徑與真實(shí)值非常接近，在粒徑較小或較大時離散程度稍高，可看出RockGUI軟件圖像在處理中間粒徑區(qū)間的堆石顆粒識別結(jié)果更為準(zhǔn)確，需增加更多的數(shù)據(jù)集和優(yōu)化算法，以提高軟件在處理小塊石和大塊石的處理精度．

6 結(jié)論與展望

本文首次將圖像識別技術(shù)和人機(jī)交互技術(shù)結(jié)合應(yīng)用到堆石混凝土工程的堆石質(zhì)量評價，通過改進(jìn)現(xiàn)有圖像識別算法并加上通過人眼判斷的人機(jī)交互修正方法，開發(fā)了非接觸式的堆石粒徑自動識別軟件RockGUI，并采用人工標(biāo)注測量方法對其軟件圖像識別結(jié)果進(jìn)行了準(zhǔn)確性驗(yàn)證，主要結(jié)論如下：

1)堆石體由于質(zhì)地不均、重疊嚴(yán)重等特點(diǎn)識別難度較大，但通過改進(jìn)圖像分割算法能有效減少圖像過分割現(xiàn)象．將肉眼可判別的人機(jī)交互修正算法，集成到圖像處理中，發(fā)展出一種半自動化的非接觸式圖像處理方法，能大大提高識別結(jié)果的準(zhǔn)確性．

2)本文開發(fā)的RockGUI軟件能識別出堆石粒徑級配曲線，由于采用堆石外接圓直徑表征“可視粒徑”導(dǎo)致比人工測量值長軸偏大，但無論是計算粒徑、特征粒徑還是質(zhì)量占比等，相對誤差都不超過20%，圖像處理結(jié)果具有可靠性．風(fēng)光水庫的試驗(yàn)倉堆石粒徑級配曲線基本呈S型，遜徑堆石料小于300 mm的質(zhì)量占比約2%，堆石體質(zhì)量良好．

堆石粒徑級配分布是評價堆石入倉質(zhì)量的重要指標(biāo)，比最小粒徑300 mm更能表征堆石體骨架的特點(diǎn)．下一步將結(jié)合深度學(xué)習(xí)算法、雙/多目攝像頭拍攝等手段，進(jìn)一步提高圖像識別算法的速度和準(zhǔn)確性，為堆石質(zhì)量評價提供科學(xué)依據(jù)．